自然景物識(shí)別（一）--畢業(yè)論文
本資料共包括了畢業(yè)論文，答辯PPT，中英文翻譯，程序代碼四個(gè)部分，此為其中的論文部分

1。72頁(yè)
2。2萬(wàn)多一點(diǎn)字
3。摘要：

近年來(lái)，基于內(nèi)容圖像搜索的課題逐漸成為機(jī)器學(xué)習(xí)和模式識(shí)別的熱點(diǎn)及難點(diǎn)，并逐步開(kāi)始被廣泛應(yīng)用，其中就涉及到了自然景物識(shí)別。本文就這個(gè)問(wèn)題展開(kāi)研究。
首先在緒論部分介紹了背景知識(shí)以及部分基本概念，然后介紹了一種基于mean shift算法的圖像分割算法及其優(yōu)缺點(diǎn)，隨后提出了改進(jìn)方法，在第四章介紹了k-means聚類算法并提出了不足，隨后介紹了一種基于k-means的無(wú)監(jiān)督學(xué)習(xí)聚類，第五章著重介紹了利用互信息的特征選擇算法，并在隨后介紹了一種基于A*算法的圖編輯距離的算法以及支撐向量機(jī)的使用。
在每一個(gè)章節(jié)，均詳細(xì)的介紹了該算法的理論依據(jù)并加以說(shuō)明，而后以程序流程的方式說(shuō)明了本文中程序的編寫方式，最后在實(shí)驗(yàn)章節(jié)得出結(jié)論。
本文在文中對(duì)幾個(gè)重點(diǎn)算法（圖像分割算法，聚類算法以及圖編輯距離算法）進(jìn)行了比較細(xì)致的討論，并利用支撐向量機(jī)所得出的結(jié)論印證算法的可靠性并指出不足，為以后的研究明確了方向。

關(guān)鍵詞：自然景物識(shí)別，圖像分割，無(wú)監(jiān)督學(xué)習(xí)的k-means聚類，圖編輯距離

4。目錄：

摘要 1
ABSTRACT 2
1.緒論 6
1.1 開(kāi)發(fā)背景及應(yīng)用 6
1.2 編程軟件介紹 7
1.3 基本概念 7
2． 程序概述 9
2.1 方法概要 9
2.2 主要流程 10
3． 圖像分割及其算法 12
3.1 分割的預(yù)處理 12
3.1.1 meanshiftsmooth 12
3.1.2 濾波函數(shù) 12
3.2 圖像分割算法 13
3.2.1 mean shift分割理論 13
3.2.2 mean shift的算法流程及解釋 14
3.2.3 選擇區(qū)域的理論及算法流程 16
3.2.4 吞噬內(nèi)部區(qū)域理論 18
3.2.5 吞噬內(nèi)部區(qū)域算法 19
3.3 重復(fù)分割理論與流程 20
4.1 統(tǒng)計(jì)算法 22
4.2 類聚算法理論及流程： 23
4.2.1 k-means算法理論： 23
4.2.2基本流程： 24
4.2.3 缺點(diǎn) 25
4.3 無(wú)監(jiān)督類聚算法理論 26
4.3.1 概述： 26
4.3.2 聚類有效性的判斷規(guī)則 26
4.3.3 聚類數(shù)確定 27
4.4 無(wú)監(jiān)督類聚算法流程 28
4.5 熵與特征選擇 29
4.5.1 區(qū)域詞典 29
4.5.2 區(qū)域詞典的結(jié)構(gòu)及建立 29
4.5.3 熵: 30
4.5.4 條件熵 31
4.5.5聯(lián)合熵 31
4.5.6 熵的特性 31
4.5.7 信息量的計(jì)算 31
4.5.8 信息量的用途 32
4.5.9 邊合并的原則 32
4.6 特征選擇算法 32
5． 圖核及其算法 34
5.1 A*（A-STAR）算法簡(jiǎn)述 34
5.1.1 A*算法介紹 34
5.1.2 A*算法主要搜索過(guò)程： 34
5.1.3 分析： 35
5.2 圖編輯距離 35
5.3 圖編輯距離算法 36
5.3.1 算法簡(jiǎn)述 36
5.3.2 p,g(p),h(p)的定義： 37
5.3.3 open, close,cost三個(gè)集合的定義與結(jié)構(gòu) 38
5.3.4 g(p),h(p)的衡量： 38
5.3.5 搜索樹(shù)的構(gòu)造 39
5.3.6 算法流程： 40
5.4 邊的操作及算法 43
5.4.1 邊的操作 43
5.4.2 開(kāi)銷的計(jì)算 43
5.4.3 算法流程 43
5.5 產(chǎn)生圖核矩陣的算法 44
5.5.1 圖核的結(jié)構(gòu) 44
5.5.2 核矩陣的修正 45
5.5.3 算法流程 45
6.支持向量機(jī)（SUPPORT VECTOR MACHINES）技術(shù)簡(jiǎn)介 47
6.1支撐向量機(jī)簡(jiǎn)介 47
6.2支撐向量機(jī)方法介紹 48
6.3核函數(shù) 50
6.4 支撐向量機(jī)的特點(diǎn) 51
6.5 支撐向量機(jī)的研究現(xiàn)狀 52
6.5.1 支持向量機(jī)的理論研究 52
6.5.2 支持向量機(jī)的訓(xùn)練算法 52
6.5.3 支撐向量機(jī)的應(yīng)用及發(fā)展方向 52
7.實(shí)驗(yàn)結(jié)果 54
7.1 圖像分割 54
7.2 非監(jiān)督K-MEANS算法 58
7.3 圖的構(gòu)造 59
7.4 圖編輯距離 61
7.5邊操作 63
7.6支撐向量機(jī) 65
7.6.1 產(chǎn)生核矩陣的過(guò)程 65
7.6.2 支撐向量機(jī) 66
結(jié)論 70
圖像分割總結(jié) 70
非監(jiān)督學(xué)習(xí)總結(jié) 70
圖編輯距離總結(jié) 70
致謝 71
參考文獻(xiàn) 72

關(guān)鍵詞：自然景物識(shí)別，圖像分割，無(wú)監(jiān)督學(xué)習(xí)的k-means聚類，圖編輯距離

參考文獻(xiàn)：

[1]岡薩雷斯等，數(shù)字圖像處理（第二版）[M]. 第一版，電子工業(yè)出版社
[2] Bertrand Le Saux and Horst Bunke. Feature Selection for Graph-Based Image Classifiers[J] J.S. Marques et al.(Eds.): IbPRIA 2005, LNCS 3523, pp. 147-154, 2005
[3] Le Saux, B., Boujemaa, N.: Unsupervised robust clustering for image database categorization. In: Proceedings of ICPR, Quebec, Canada (2002) 259–262
[4] Le Saux, B., Amato, G.: Image recognition for digital libraries. In: ACM Multimedia/International Workshop on Multimedia Information Retrieval. (2004)
[5]張莉，孫鋼，郭軍. 基于K-均值聚類的無(wú)監(jiān)督的特征選擇方法[J]. 計(jì)算機(jī)應(yīng)用，第三期，23-24,42
[6]Kaspar Riesen and Horst Bunke. Approximate graph edit distance computation by means of bipartite graph matching[J]. Image and Vision Computing, Volume 27, Issue 7, 4 June 2009, Pages 950-959
[7]伊懷鋒，黃賢武. 基于均值偏移的彩色圖像分割方法. 計(jì)算機(jī)應(yīng)用 Vol 26 No.7 2006. 1605-1606,1610




論文都是自己寫的，程序也都是自己寫的，大家支持一下。剛剛答辯完不是寫手，請(qǐng)大家放心。
排版什么的都修改好了，可以直接用。